Webshopba integrálható neurális hálón alapuló termékajánló rendszer fejlesztése

Abstract

Korábbi mesterséges intelligencia tapasztalataim és egy valós ügyféligény felmerülése inspiráltak egy egyedi, webshopba integrálható, képfelismerés alapú ajánlórendszer fejlesztésére, amely kifejezetten a szerszám- és alkatrésziparágra specializálódik. A szakdolgozatom célja ennek a rendszernek az elméleti és gyakorlati alapjainak megteremtése volt. A dolgozat első részében bemutattam a mesterséges intelligencia szerepét az e-kereskedelemben, feltártam az iparág kihívásait és azok lehetséges megoldásait. Ezt követően részletesen ismertettem az általam kifejlesztett prototípust, bemutatva a fejlesztés folyamatát, a felmerülő problémákat és az alkalmazott megoldásokat. A munkám eredményeként egy olyan mesterséges intelligencia megoldást hoztam létre, amely képeken vagy videókon látható szerszámokat 15 kategória egyikébe sorolja. A kategorizálás egy VGG16-alapú kétágú konvolúciós neurális hálóra (CNN) épül, amely képeken 88%-os pontossággal működik. A rendszer gyakorlati alkalmazásának előkészítésére fejlesztettem egy FastAPI alapú API-t, amelyet Docker környezetben futtatva könnyen skálázható és telepíthető. A fejlesztés során Python programozási nyelvet használtam, saját adathalmazt készítettem a modell betanításához, és mélyebb betekintést nyertem a TensorFlow keretrendszer alkalmazásával történő mély tanulás folyamataiba. Megtanultam, hogyan kell kiértékelni és finomhangolni a betanított modellt. Elsődleges célom az volt, hogy átfogó tudást szerezzek ezen a területen, és egy működő prototípust fejlesszek, amely alapul szolgálhat a jövőbeni fejlesztésekhez.